CN113313757A - 一种基于单目测距的船舱乘客安全预警算法 - Google Patents
一种基于单目测距的船舱乘客安全预警算法 Download PDFInfo
- Publication number
- CN113313757A CN113313757A CN202110567150.0A CN202110567150A CN113313757A CN 113313757 A CN113313757 A CN 113313757A CN 202110567150 A CN202110567150 A CN 202110567150A CN 113313757 A CN113313757 A CN 113313757A
- Authority
- CN
- China
- Prior art keywords
- floating
- reference points
- person
- points
- plane
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 4
- 230000010365 information processing Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 abstract description 9
- 238000012549 training Methods 0.000 description 7
- 210000004556 brain Anatomy 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于单目测距的船舱乘客安全预警算法,属于智能图像识别领域;用于精确检测乘客是否身着救生衣与计算乘客距离浮具远近;本发明通过抽象建模模块基于单目相机捕捉船上的人和浮具信息并通过后续算法将其抽象成平面上的点;映射投影模块用于调整人和浮具的抽象参考点并使其在同一平面并映射到俯视图;再通过计算模块用于将抽象建模模块和映射投影模块处理好的点图进行计算,得出图中人与各参考点的距离,最后结果输出模块将信息进行分类后根据所需的条目输出必要的信息,本算法采用自研发算法进行计算处理,充分利用了船舶场景的已知条件,人框高宽比进行站姿比较,简化算法处理,大幅提高处理计算的速度。
Description
技术领域
本发明属于智能图像识别领域,涉及到图像识别与计算,具体是一种基于单目测距的船舱乘客安全预警算法。
背景技术
渡船遇到危险时,救生浮具能显著提高乘客的生还几率。常见的救生浮具有救生衣和浮块。救生衣虽能在危险时更好地保护乘客,但浮块以其无需穿戴过程、占用空间小、且成本相对低的优势,成为了许多客渡船的选择。但这为检测乘客是否携带救生浮具带来了不小的挑战。
机器视觉诞生前的做法是在船舱安装普通摄像头进行监控。这种方法受到信号限制往往无法做到事中监控预警,并且让监控员每时每刻盯着摄像头并不现实。这种解决方法正在被机器视觉算法取代。
传统的检测救生衣算法是检测到图片中包含人的矩形框,在框中判断其上半身是否穿了救生衣。但浮块位置不确定(可能在脚边,可能在手上,或乘客伸手就能拿到的不远处),就很可能不出现在包含人的矩形框内,不能用检测救生衣的方法检测浮块。为了解决这个问题,我提供了一种人与浮具距离识别算法。
该算法以极小的算力解决了人与救生浮具的事中监督预警,又可以事后进行分析和辅助决策;不仅节省大量的人力成本,又能提高可靠性;从而减少乘客未穿戴救生浮具带来的安全隐患;又因其占用资源极少的特性,所以既保证了实时性,又对设备要求不高,有很大的商业价值。
发明内容
本发明的目的在于提供一种基于单目测距的船舱乘客安全预警算法。
本发明所要解决的技术问题为:
(1)解决了传统的单目图片不能充分利用船舶相关的已知条件进行计算,无法专注于船舶特殊场景,计算准确率低下的问题;
(2)解决了传统复杂算法运行的实时性就不能保证,计算冗余,处理时延长的缺点;
(3)解决了传统算法及解决装置需要大量数据训练,浪费开发时间,增加开发成本的弊端,同时避免了在训练过程中人为对数据处理的偏差,造成数据训练错误;
本发明的目的可以通过以下技术方案实现:
一种基于单目测距的船舱乘客安全预警算法,其过程包括以下步骤;
步骤K1:基于单目相机捕捉获取船上的人和浮具的位置信息并将其抽象处理成平面上的参考点;
步骤K2:调整人和浮具的参考点并使其经处理后处于同一平面并映射到俯视图;
步骤K3:针对经过步骤K1和步骤K2处理后的具有参考点的俯视图进行计算,得出具有参考点的俯视图中每个人和浮具的参考点之间的距离;
步骤K4:根据步骤K3处理得出的信息,将信息进行分类后根据所需的条目输出必要的信息,判断乘客身边有效范围内是否具备救生设备;
各个步骤之间实时连通;
当步骤K4得到船上有人处于附近阈值内没有浮具时会在监控器上显示。
其中,所述步骤K1用于捕捉和将目标抽象标记为点,其过程包括:
步骤B1:在驾驶舱内安装可以覆盖驾驶员人形采集要求的摄像头,利用摄像头实时采集驾驶舱内部场景的视频数据;
步骤B2:对步骤B1中获取的船舱场景内部照片使用已训练好的yolov3识别人和浮具的位置框,进而得出船舱场景的识别结果,其中所述的yolov3算法是在原有YOLO目标检测架构的基础上,采用了近些年CNN领域中最优秀的优化策略,从数据处理、主干网络、网络训练、激活函数、损失函数等各个方面都有着不同程度的优化,修改了主干网络为CSPDarknet53,同时采用了SPP(空间金字塔池化)的思想来扩大感受野;
步骤B3:通过对于步骤B2中获得的识别结果进行算法运算将船上的人和浮具抽象成平面上的参考点,其中我们把人和浮具抽象成船舶表面所在平面上的参考点,计算这些参考点的距离作为判断依据,将问题简化为了拍摄到全部客舱,船舶摄像头往往会在两个拍摄角度定时切换。
(1)俯视角度拍摄;
(2)与船面成约30°角斜向下拍摄;
其中,所述步骤K2主要用于调整人和浮具的参考点的位置,
进一步地,其过程包括:
步骤K21:调节参考点至同一平面,因为单目图片带来的信息丢失,我们需要模仿人脑的思维过程来判断人和浮块的参考点位置。人脑将二维图片处理成三维信息的过程是已知船甲板是一个平面,以这个参考平面去估测人和浮块的相对位置。具体操作为以船上横纵栏杆交叉处的四个点作为基准点,基准点所在平面为参考平面。站姿人中心点往往比此平面高;坐姿人中心点往往比此平面低;浮具中心点大多数低于此平面,挂在横杆上的浮具中心点与该平面基本持平。通过人框的高宽比判断人是站姿或坐姿。其判断方法如下;其站姿判断标准为:
人框高度÷人框宽度>Δ
反之为坐姿;站姿参考点记为中心点偏下的框高处;坐姿参考点记为中心点偏上的框高处;其中Δ为人参考框高宽比,Δ常规取值为1.7;
浮具参考点判断标准较多:若有横杆且在横杆附近区域且框面积大于10100像素时认为浮具挂在横杆上,以浮具框中心两侧及中上点为参考位置;否则认为没有挂在横杆上,参考位置以浮具框中心两侧及上缘两角为参考位置;
步骤K22:透视变换
以横纵栏杆的交叉处的四点为基准点,用透视变换矩阵计算所有人和浮具在变换后的俯视图中的位置,具体操作为以横纵栏杆交叉处的四点为基准点,用透视变换矩阵计算所有人和浮具在变换后的俯视图中的位置。透视变换矩阵可以用OpenCV自带的函数求得:
H=cv2.getPerspectiveTransform(points1,points2)
矩阵H左乘points1可得points2,用于转变图像的视角。但此变换只适用于四个参考点所在平面上的点,该透视变换将所有参考点点翻转透视到了俯视图上;
进一步地,所述步骤K3作用为将俯视图中将所有人参考点逐一与所有浮具参考点算距离,若小于阈值则认为此人安全,若此人与所有浮具距离都大于阈值则认为此人不安全。
进一步地,所述步骤K3的具体计算过程为:
S1:获得所有人参考点和所有浮具参考点在俯视图中的位置,这个步骤通过获取上一个步骤将点排布在俯视图上的结果展开;
S2:判断是否考虑完所有人参考点,若为是则直接将结果输出到结果输出模块,若为否,则进行到S3;
S3:判断是否考虑完所有浮具参考点,若为否,则计算此人参考点与此浮块参考点距离,然后计算下一个浮具参考点,再然后对下一个浮具参考点判断是否小于安全距离,若为是则认为此人附近有浮具,进行下一个参考点判断,若为否,则返回继续判断是否考虑完所有浮具参考点;而在判断所有浮具参考点若为是,则直接进行下一个人参考点并返回S2的判断;
其判断安全与否的标准为将所有人参考点逐一与所有浮具参考点计算距离,若此人与某一浮具参考点实际距离小于θ米则认为此人安全;若与所有浮具距离都大于θ米则认为此人不安全,θ为安全距离值且θ常规取值为1。
进一步地,所述步骤K4输出信息包括所有浮具位置,附近有浮具的人的位置,附近没有浮具的人的位置,输出形式为列表输出,在输出结束后结束整个算法的运算。
本发明的有益效果:
(1)充分利用了船舶的已知条件
传统的单目图片距离识别由于应用范围需要更广,就不能充分利用船舶相关的已知条件。本发明采用的算法专注与船舶场景,有更多的已知条件作为程序的输入,提高了代码的预测精度,预测的准确率为95%以上;
(2)占用算力显著降低
考虑到船上网络信号较差和船载运算设备的算力有限,复杂算法运行的实时性就不能保证,此算法最复杂的计算也仅仅是3×n(n<50)矩阵的乘法,运算速度极快,降低了大量的数据处理时间;
(3)无需复杂的训练过程
训练意味着需要大量的现场图片视频数据,既受到标注人的主观影响,又需要大量的开发时间。此算法有较高的鲁棒性,在类似场景应用几乎无需调整代码。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的处理步骤图;
图2为本发明的抽象建模模块流程图;
图3为本发明的映射投影模块流程图;
图4为本发明的计算模块流程图;
图5为本发明的结果输出模块流程图;
具体实施方式
实施例1:
如图1所示,一种基于单目测距的船舱乘客安全预警算法,其具体过程包括以下步骤
步骤K1:基于单目相机捕捉船上的人和浮具位置信息并将其抽象成平面上的参考点;
步骤K2:用于调整人和浮具的参考点并使其尽可能在同一平面并映射到俯视图;
步骤K3:用于将步骤K1和步骤K2处理好的点图进行计算,得出图中人与各参考点的距离,
步骤K4:接收步骤K3传输的计算信息,进行分类后根据所需的条目输出必要的信息,判断乘客身边有效范围内是否具备救生设备,
所述各个步骤之间实时连通;
当步骤K4得到船上有人处于附近阈值内没有浮具时会在监控器上显示。
其中,如图2所示所述步骤K1用于捕捉和将目标抽象标记为参考点,其过程包括:
步骤Q1:在驾驶舱内安装可以覆盖驾驶员人形采集要求的单目相机,利用单目相机采集驾驶舱内部场景的视频数据;
步骤Q2:获取单目相机获取船舱内的图片,使用已训练好的yolov3识别人和浮具的位置框,输出识别的结果,返回框的中心点位置和宽高,其中所述的yolov3算法是在原有YOLO目标检测架构的基础上,采用了近些年CNN领域中最优秀的优化策略,从数据处理、主干网络、网络训练、激活函数、损失函数等各个方面都有着不同程度的优化,修改了主干网络为CSPDarknet53,同时采用了SPP(空间金字塔池化)的思想来扩大感受野;
步骤Q3:通过对于步骤Q2中获得的识别结果进行算法运算进而将船上的人和浮具抽象成平面上的参考点,计算这些参考点的距离作为判断依据,将问题简化为了拍摄到全部客舱,船舶摄像头往往会在两个拍摄角度定时切换。
(1)俯视角度拍摄;
(2)与船面成约30°角斜向下拍摄;
其中,如图3所示,所述步骤K2主要用于调整人和浮具的参考点的位置,进一步地,其过程包括:
步骤A1:调节参考点至同一平面;
因为单目图片带来的信息丢失,我们需要模仿人脑的思维过程来判断人和浮块的参考点位置。人脑将二维图片处理成三维信息的过程是已知船甲板是一个平面,以这个参考平面去估测人和浮块的相对位置,具体操作为
步骤A11:以船上横纵栏杆交叉处的四个点作为基准点,基准点所在平面为参考平面。站姿人中心点往往比此平面高;坐姿人中心点往往比此平面低;浮具中心点大多数低于此平面,挂在横杆上的浮具中心点与该平面基本持平。
步骤A12:通过人框的高宽比判断人是站姿或坐姿。浮具参考点判断标准较多:若有横杆且在横杆附近区域且框面积大于10100像素时认为浮具挂在横杆上,以浮具框中心两侧及中上点为参考位置;否则认为没有挂在横杆上,参考位置以浮具框中心两侧及上缘两角为参考位置;
步骤A2:透视变换;
以横纵栏杆的交叉处的四点为基准点,用透视变换矩阵计算所有人和浮具在变换后的俯视图中的位置,具体操作为
步骤A21:以横纵栏杆交叉处的四点为基准点,用透视变换矩阵计算所有人和浮具在变换后的俯视图中的位置。透视变换矩阵可以用OpenCV自带的函数求得:
H=cv2.getPerspectiveTransform(points1,points2)
步骤A22:矩阵H左乘points1可得points2,用于转变图像的视角,将图像参考点平面投射到俯视图上。
进一步地,如图4所示所述步骤K3作用为将俯视图中将所有人参考点逐一与所有浮具参考点算距离,若小于阈值则认为此人安全,若此人与所有浮具距离都大于阈值则认为此人不安全。
进一步地,所述计算模块的具体计算过程表现为:
S1:获得所有人参考点和所有浮具参考点在俯视图中的位置,这个步骤通过获取上一个步骤将点排布在俯视图上的结果展开;
S2:判断是否考虑完所有人参考点,若为是则直接将结果输出到结果输出模块,若为否,则进行到S3;
S3:判断是否考虑完所有浮具参考点,若为否,则计算此人参考点与此浮块参考点距离,然后计算下一个浮具参考点,再然后对下一个浮具参考点判断是否小于安全距离,若为是则认为此人附近有浮具,进行下一个参考点判断,若为否,则返回继续判断是否考虑完所有浮具参考点;而在判断所有浮具参考点若为是,则直接进行下一个人参考点并返回S2的判断;
其判断安全与否的标准为将所有人参考点逐一与所有浮具参考点计算距离,若此人与某一浮具参考点实际距离小于θ米则认为此人安全;若与所有浮具距离都大于θ米则认为此人不安全,其中θ常规取值为1,θ为安全距离。
进一步地,如图5所示,所述步骤K4输出信息包括所有浮具位置,附近有浮具的人的位置,附近没有浮具的人的位置,输出形式为列表输出,在输出结束后结束整个算法的运算。
工作方式:一种基于单目测距的船舱乘客安全预警算法,在工作时,首先通过抽象建模模块标定船舶参考点位置和图片距离与实际距离的比例尺,建立船舶的图像,然后通过拍摄视频流转化成视频帧,目标检测模型识别人和浮具位置框,然后根据拍摄的角度观察是否为俯视图,然后根据人框的长宽比的不同换算不同的位置,再通过浮具框两侧寻找不同的参考位置,最后根据不同的拍摄位置将点安置换算于平面俯视图上,计算模块根据之前处理好的点图进行算法计算,首先判断人距离内所有参考点是否已经纳入考虑,若人范围内所有点均已纳入考虑范围则直接输出结果,若某人的参考点旁还有未纳入的参考点,则计算此参考点和别的浮具的距离,最终判断是否小于安全距离,并最终输出结果,结果包括
(1)所有浮具位置;
(2)附近有浮具的人的位置;
(3)附近没有浮具的人的位置。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (5)
1.一种基于单目测距的船舱乘客安全预警算法,其特征在于,所述基于单目测距的船舱乘客安全预警算法包括以下步骤;
步骤K1:基于单目相机捕捉获取船上的人和浮具的位置信息并通过后续算法将其抽象处理成平面上的参考点;
步骤K2:调整人和浮具的参考点并使其经处理后处于同一平面并映射到俯视图;
步骤K3:针对经过步骤K1和步骤K2处理后的具有参考点的俯视图进行计算,得出具有参考点的俯视图中每个人和浮具的参考点之间的距离;
步骤K4:根据步骤K3处理得出的信息,将信息进行分类后根据所需的条目输出必要的信息,判断乘客身边有效范围内是否具备救生设备;
各个步骤之间实时连通。
2.根据权利要求1所述的一种基于单目测距的船舱乘客安全预警算法,其特征在于,所述步骤K1用单目相机捕捉和将所捕捉到的目标通过算法处理为平面上的参考点,其具体过程包括:
步骤K11:通过已知的信息处理后得出供后续算法处理的识别结果,其具体过程如下;
步骤K111:通过单目相机拍摄获得船舱内部的实景照片;
步骤K112:通过物体检测识别算法将步骤K111中获得的内部实景照片处理为可供后续步骤处理的识别结果;
步骤K12:对于步骤K11处理得到的识别结果通过相应算法将步骤K112中得到的识别结果处理为参考点。
3.根据权利要求1所述的一种基于单目测距的船舱乘客安全预警算法,其特征在于,所述步骤K2用于调整人和浮具的参考点的位置,其过程包括
步骤K21:调节参考点至同一平面;
步骤K211:以船上横纵栏杆交叉处的四个点作为基准点,基准点所在平面为参考平面;
步骤K212:站姿人位置框中心点高于此平面;坐姿人位置框中心点低于此平面;浮具框中心点低于此平面,挂在横杆上的浮具中心点与所述平面持平;通过人框的高宽比判断人是站姿或坐姿;其站姿判断标准为:
人框高度÷人框宽度>Δ
反之为坐姿;站姿参考点记为中心点偏下的框高处;坐姿参考点记为中心点偏上的框高处,其中Δ为人框高宽比数值;
浮具参考点判断标准为若有横杆且在横杆附近区域且框面积大于阈值时认为浮具挂在横杆上,以浮具框中心两侧及中上点为参考位置;否则认为没有挂在横杆上,以浮具框中心两侧及上缘两角为参考位置;
步骤K22:透视变换
以横纵栏杆的交叉处的四点为基准点,用透视变换矩阵计算所有人和浮具在变换后的俯视图中的位置;其实际操作如下:
步骤K221:以横纵栏杆交叉处的四点为基准点,用透视变换矩阵计算所有人和浮具在变换后的俯视图中的位置;透视变换矩阵采用OpenCV自带的函数求得,其函数表示如下:
H=cv2.getPerspectiveTransform(points1,points2)
步骤K222:矩阵H左乘points1可得points2,用于转变图像的视角,将之前抽象在同一平面的参考点透视变换至俯视图的平面上。
4.根据权利要求1所述的一种基于单目测距的船舱乘客安全预警算法,其特征在于,所述步骤K3作用为将俯视图中将所有人参考点逐一与所有浮具参考点之间的距离进行计算,若得出的计算结果小于阈值则认为此人安全,若此人与所有浮具距离都大于阈值则认为此人不安全;其过程包括:
步骤K31:获得所有人参考点和所有浮具参考点在俯视图中的位置,此步骤通过获取步骤K2将参考点排布在俯视图上的结果得到所需信息;
步骤K32:判断是否考虑完所有人参考点,若为是则直接将结果输出到结果输出模块,若为否,则进行到步骤K312;
步骤K33:判断是否考虑完所有浮具参考点,若为否,则计算此人参考点与此浮块参考点距离,然后计算下一个浮具参考点,再然后对下一个浮具参考点判断是否小于安全距离,若为是则认为此人附近有浮具,进行下一个参考点判断,若为否,则返回继续判断是否考虑完所有浮具参考点;
步骤K34:而在判断所有浮具参考点若为是,则直接进行下一个人参考点并返回步骤K33的判断;
安全与否的判断标准为,将所有人参考点逐一与所有浮具参考点计算距离;若此人与某一浮具参考点实际距离小于θ米则认为此人安全;若与所有浮具距离都大于θ米则认为此人不安全,其中θ为安全距离。
5.根据权利要求4所述的一种基于单目测距的船舱乘客安全预警算法,其特征在于,所述结果输出模块输出信息包括所有浮具位置,附近有浮具的人的位置,附近没有浮具的人的位置,输出形式为列表输出,在输出结束后结束整个算法的运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110567150.0A CN113313757A (zh) | 2021-07-27 | 2021-07-27 | 一种基于单目测距的船舱乘客安全预警算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110567150.0A CN113313757A (zh) | 2021-07-27 | 2021-07-27 | 一种基于单目测距的船舱乘客安全预警算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113313757A true CN113313757A (zh) | 2021-08-27 |
Family
ID=77374396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110567150.0A Pending CN113313757A (zh) | 2021-07-27 | 2021-07-27 | 一种基于单目测距的船舱乘客安全预警算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113313757A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082811A (zh) * | 2022-07-27 | 2022-09-20 | 大连海事大学 | 一种依据图像数据的海上航行船舶识别与距离测量的方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100852957B1 (ko) * | 2007-02-15 | 2008-08-19 | 박명호 | 부유대, 및 그를 이용한 구난정보 처리 시스템 |
US20090167536A1 (en) * | 2005-09-09 | 2009-07-02 | Cecil Clark | Personal Safety System |
WO2013068658A1 (fr) * | 2011-11-08 | 2013-05-16 | Universite D'aix Marseille | Système et procédé de suivi par un second objet motorisé d'un premier objet se déplaçant à la surface d'une étendue d'eau ou en immersion dans ladite étendue |
JP2015010911A (ja) * | 2013-06-28 | 2015-01-19 | 公益財団法人鉄道総合技術研究所 | 空撮測量方法および装置 |
US8998666B1 (en) * | 2013-08-02 | 2015-04-07 | Steven Albright | Rescue method and system for an overboard passenger |
CN109489620A (zh) * | 2019-01-12 | 2019-03-19 | 内蒙古农业大学 | 一种单目视觉测距方法 |
US10251371B1 (en) * | 2014-03-18 | 2019-04-09 | GPSip, Inc. | Wireless location assisted zone guidance system incorporating a system and apparatus for predicting the departure of an animal from a safe zone prior to the animal actually departing |
KR20200030802A (ko) * | 2018-09-13 | 2020-03-23 | 제이에이치데이터시스템 주식회사 | 이동체 접근 경보 시스템 |
-
2021
- 2021-07-27 CN CN202110567150.0A patent/CN113313757A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090167536A1 (en) * | 2005-09-09 | 2009-07-02 | Cecil Clark | Personal Safety System |
KR100852957B1 (ko) * | 2007-02-15 | 2008-08-19 | 박명호 | 부유대, 및 그를 이용한 구난정보 처리 시스템 |
WO2013068658A1 (fr) * | 2011-11-08 | 2013-05-16 | Universite D'aix Marseille | Système et procédé de suivi par un second objet motorisé d'un premier objet se déplaçant à la surface d'une étendue d'eau ou en immersion dans ladite étendue |
JP2015010911A (ja) * | 2013-06-28 | 2015-01-19 | 公益財団法人鉄道総合技術研究所 | 空撮測量方法および装置 |
US8998666B1 (en) * | 2013-08-02 | 2015-04-07 | Steven Albright | Rescue method and system for an overboard passenger |
US10251371B1 (en) * | 2014-03-18 | 2019-04-09 | GPSip, Inc. | Wireless location assisted zone guidance system incorporating a system and apparatus for predicting the departure of an animal from a safe zone prior to the animal actually departing |
KR20200030802A (ko) * | 2018-09-13 | 2020-03-23 | 제이에이치데이터시스템 주식회사 | 이동체 접근 경보 시스템 |
CN109489620A (zh) * | 2019-01-12 | 2019-03-19 | 内蒙古农业大学 | 一种单目视觉测距方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082811A (zh) * | 2022-07-27 | 2022-09-20 | 大连海事大学 | 一种依据图像数据的海上航行船舶识别与距离测量的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109522793A (zh) | 基于机器视觉的多人异常行为检测与识别方法 | |
CN102156537B (zh) | 一种头部姿态检测设备及方法 | |
CN107392963B (zh) | 一种用于软式自主空中加油的仿鹰眼运动目标定位方法 | |
CN105841688B (zh) | 一种船舶辅助泊岸方法和系统 | |
CN105243664B (zh) | 一种基于视觉的轮式移动机器人快速目标跟踪方法 | |
US20220024549A1 (en) | System and method for measuring the distance to an object in water | |
CN113705521A (zh) | 一种结合YOLO-MobilenetV3人脸检测的头部姿态估计方法 | |
CN110837784A (zh) | 一种基于人体头部特征的考场偷窥作弊检测系统 | |
CN108288047A (zh) | 一种行人/车辆检测方法 | |
US11948344B2 (en) | Method, system, medium, equipment and terminal for inland vessel identification and depth estimation for smart maritime | |
CN108209926A (zh) | 基于深度图像的人体身高测量系统 | |
CN111562791A (zh) | 一种无人机合作目标识别视觉辅助着陆的系统及方法 | |
CN109029465A (zh) | 一种无人艇基于毫米波雷达的跟踪和避障系统 | |
CN108871409A (zh) | 一种故障检测方法和系统 | |
CN113313757A (zh) | 一种基于单目测距的船舱乘客安全预警算法 | |
CN102542240A (zh) | 用于估计人体朝向的设备和方法 | |
Aqthobilrobbany et al. | HSV Based Robot Boat Navigation System | |
CN111539264A (zh) | 一种船舶火焰探测定位系统与探测定位方法 | |
CN112699748B (zh) | 基于yolo及rgb图像的人车距离估计方法 | |
CN110448436A (zh) | 一种具有盲道检测定位功能的智能导盲杖及导盲方法 | |
CN112037282B (zh) | 一种基于关键点以及骨架的飞机姿态估计方法及系统 | |
CN117011946B (zh) | 一种基于人体行为识别的无人救援方法 | |
CN114219833A (zh) | 一种水上水下计算机视觉综合溺水判断系统 | |
CN114639168B (zh) | 一种用于跑步姿态识别的方法和系统 | |
CN114396921B (zh) | 一种基于无人机的钱塘江涌潮高度及传播速度测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |